SQL Server中汇总功能的使用GROUPING,ROLLUP和CUBE

电玩女神 2021-09-18 23:58 344阅读 0赞

**文章转载自 [http://www.cnblogs.com/rippleyong/archive/2004/11/18/65143.html][http_www.cnblogs.com_rippleyong_archive_2004_11_18_65143.html]**   
聚集函数:GROUPING   
  
用于汇总数据用的运算符: ROLLUP

SELECT   
      
    CASE GROUPING(o.customerid) WHEN 0 THEN o.customerid ELSE  '(Total)' END   
      
    AS AllCustomersSummary,   
      
    CASE GROUPING(od.orderid) WHEN 0 THEN od.orderid ELSE -1 END   
      
    AS IndividualCustomerSummary,   
      
    SUM(od.quantity*od.unitprice) AS price   
      
    FROM Orders o, [Order Details] od   
      
    WHERE Year(o.orderdate) = 1998 AND od.orderid=o.orderid   
      
    GROUP BY o.customerid, od.orderid WITH ROLLUP   
      
    ORDER BY AllCustomersSummary

查看SQL Server的帮助才发现,厉害啊,原来还有这么厉害的东西,不由的想起以前做水晶报表的时候,原来在SQL Server中就可以实现这样的功能.   
  
1.用 CUBE 汇总数据   
CUBE 运算符生成的结果集是多维数据集。多维数据集是事实数据的扩展，事实数据即记录个别事件的数据。扩展建立在用户打算分析的列上。这些列被称为维。多维数据集是一个结果集，其中包含了各维度的所有可能组合的交叉表格。   
  
CUBE 运算符在 SELECT 语句的 GROUP BY 子句中指定。该语句的选择列表应包含维度列和聚合函数表达式。GROUP BY 应指定维度列和关键字 WITH CUBE。结果集将包含维度列中各值的所有可能组合，以及与这些维度值组合相匹配的基础行中的聚合值。   
  
例如，一个简单的表 Inventory 中包含：   
  
Item                 Color                Quantity                     
\-------------------- -------------------- --------------------------   
Table                Blue                 124                          
Table                Red                  223                          
Chair                Blue                 101                          
Chair                Red                  210                          
下列查询返回的结果集中，将包含 Item 和 Color 的所有可能组合的 Quantity 小计：

SELECT Item, Color, SUM(Quantity) AS QtySum  
    FROM Inventory  
    GROUP BY Item, Color WITH CUBE

下面是结果集：   
  
Item                 Color                QtySum                       
\-------------------- -------------------- --------------------------   
Chair                Blue                 101.00                       
Chair                Red                  210.00                       
Chair                (null)               311.00                       
Table                Blue                 124.00                       
Table                Red                  223.00                       
Table                (null)               347.00                       
(null)               (null)               658.00                       
(null)               Blue                 225.00                       
(null)               Red                  433.00                       
我们着重考查下列各行：   
  
Chair                (null)               311.00                       
这一行报告了 Item 维度中值为 Chair 的所有行的小计。对 Color 维度返回了 NULL 值，表示该行所报告的聚合包括 Color 维度为任意值的行。   
  
Table                (null)               347.00                       
这一行类似，但报告的是 Item 维度中值为 Table 的所有行的小计。   
  
(null)               (null)               658.00                       
这一行报告了多维数据集的总计。Item 和 Color 维度的值都是 NULL，表示两个维度中的所有值都汇总在该行中。   
  
(null)               Blue                 225.00                       
(null)               Red                  433.00                       
这两行报告了 Color 维度的小计。两行中的 Item 维度值都是 NULL，表示聚合数据来自 Item 维度为任意值的行。   
  
使用 GROUPING 区分空值   
CUBE 操作所生成的空值带来一个问题：如何区分 CUBE 操作所生成的 NULL 值和从实际数据中返回的 NULL 值？这个问题可用 GROUPING 函数解决。如果列中的值来自事实数据，则 GROUPING 函数返回 0；如果列中的值是 CUBE 操作所生成的 NULL，则返回 1。在 CUBE 操作中，所生成的 NULL 代表全体值。可将 SELECT 语句写成使用 GROUPING 函数将所生成的 NULL 替换为字符串 ALL。因为事实数据中的 NULL 表明数据值未知，所以 SELECT 语句还可译码为返回字符串 UNKNOWN 替代来自事实数据的 NULL。例如：

SELECT CASE WHEN (GROUPING(Item) = 1) THEN 'ALL'  
           ELSE ISNULL(Item, 'UNKNOWN') END AS Item,  
           CASE WHEN (GROUPING(Color) = 1) THEN 'ALL'  
           ELSE ISNULL(Color, 'UNKNOWN') END AS Color,  
           SUM(Quantity) AS QtySum  
    FROM Inventory  
    GROUP BY Item, Color WITH CUBE

多维数据集   
CUBE 运算符可用于生成 n 维的多维数据集，即具有任意数目维度的多维数据集。只有一个维度的多维数据集可用于生成合计，例如：

SELECT CASE WHEN (GROUPING(Item) = 1) THEN 'ALL'  
           ELSE ISNULL(Item, 'UNKNOWN') END AS Item,  
           SUM(Quantity) AS QtySum  
    FROM Inventory  
    GROUP BY Item WITH CUBE  
    GO

此 SELECT 语句返回的结果集既显示了 Item 中每个值的小计，也显示了 Item 中所有值的总计：   
  
Item                 QtySum                       
\-------------------- --------------------------   
Chair                311.00                       
Table                347.00                       
ALL                  658.00                       
包含带有许多维度的 CUBE 的 SELECT 语句可能生成很大的结果集，因为这些语句会为所有维度中值的所有组合生成行。这些大结果集包含的数据可能过多而不易于阅读和理解。这个问题有一种解决办法是将 SELECT 语句放在视图中：

CREATE VIEW InvCube AS  
    SELECT CASE WHEN (GROUPING(Item) = 1) THEN 'ALL'  
           ELSE ISNULL(Item, 'UNKNOWN') END AS Item,  
           CASE WHEN (GROUPING(Color) = 1) THEN 'ALL'  
           ELSE ISNULL(Color, 'UNKNOWN') END AS Color,  
           SUM(Quantity) AS QtySum  
    FROM Inventory  
    GROUP BY Item, Color WITH CUBE

然后即可用该视图来只查询您感兴趣的维度值：

SELECT *  
    FROM InvCube  
    WHERE Item = 'Chair'  
      AND Color = 'ALL'

Item                 Color                QtySum                       
\-------------------- -------------------- --------------------------   
Chair                ALL                  311.00                       
  
(1 row(s) affected)   
  
  
2.用 ROLLUP 汇总数据   
在生成包含小计和合计的报表时，ROLLUP 运算符很有用。ROLLUP 运算符生成的结果集类似于 CUBE 运算符所生成的结果集。有关更多信息.   
  
CUBE 和 ROLLUP 之间的区别在于：   
  
CUBE 生成的结果集显示了所选列中值的所有组合的聚合。   
  
ROLLUP 生成的结果集显示了所选列中值的某一层次结构的聚合。   
例如，简单表 Inventory 中包含：   
  
Item                 Color                Quantity                     
\-------------------- -------------------- --------------------------   
Table                Blue                 124                          
Table                Red                  223                          
Chair                Blue                 101                          
Chair                Red                  210                          
下列查询将生成小计报表：

Item                 Color                QtySum                       
\-------------------- -------------------- --------------------------   
Chair                Blue                 101.00                       
Chair                Red                  210.00                       
Chair                ALL                  311.00                       
Table                Blue                 124.00                       
Table                Red                  223.00                       
Table                ALL                  347.00                       
ALL                  ALL                  658.00                       
  
(7 row(s) affected)   
如果查询中的 ROLLUP 关键字更改为 CUBE，那么 CUBE 结果集与上述结果相同，只是在结果集的末尾还会返回下列两行：   
  
ALL                  Blue                 225.00                       
ALL                  Red                  433.00                       
CUBE 操作为 Item 和 Color 中值的可能组合生成行。例如，CUBE 不仅报告与 Item 值 Chair 相组合的 Color 值的所有可能组合（Red、Blue 和 Red + Blue），而且报告与 Color 值 Red 相组合的 Item 值的所有可能组合（Chair、Table 和 Chair + Table）。   
  
对于 GROUP BY 子句中右边的列中的每个值，ROLLUP 操作并不报告左边一列（或左边各列）中值的所有可能组合。例如，ROLLUP 并不对每个 Color 值报告 Item 值的所有可能组合。   
  
ROLLUP 操作的结果集具有类似于 COMPUTE BY 所返回结果集的功能；然而，ROLLUP 具有下列优点：   
  
ROLLUP 返回单个结果集；COMPUTE BY 返回多个结果集，而多个结果集会增加应用程序代码的复杂性。  
  
ROLLUP 可以在服务器游标中使用；COMPUTE BY 不可以。   
  
有时，查询优化器为 ROLLUP 生成的执行计划比为 COMPUTE BY 生成的更为高效。   
  
  
  
3.GROUPING   
是一个聚合函数,它产生一个附加的列，当用 CUBE 或 ROLLUP 运算符添加行时，附加的列输出值为1，当所添加的行不是由 CUBE 或 ROLLUP 产生时，附加列值为0。   
  
仅在与包含 CUBE 或 ROLLUP 运算符的 GROUP BY 子句相联系的选择列表中才允许分组。   
  
语法   
GROUPING ( column\_name )   
  
参数   
column\_name   
  
是 GROUP BY 子句中用于检查 CUBE 或 ROLLUP 空值的列。   
  
返回类型   
int   
  
注释   
分组用于区分由 CUBE 和 ROLLUP 返回的空值和标准的空值。作为CUBE 或 ROLLUP 操作结果返回的 NULL 是 NULL 的特殊应用。它在结果集内作为列的占位符，意思是"全体"。   
  
示例   
下面的示例将 royalty 的数值分组，并聚合 advance 的数值。GROUPING 函数应用于 royalty 列。

USE pubs  
    SELECT royalty, SUM(advance) 'total advance',   
       GROUPING(royalty) 'grp'  
       FROM titles  
       GROUP BY royalty WITH ROLLUP

结果集在 royalty 下显示两个空值。第一个 NULL 代表从表中这一列得到的空值组。第二个 NULL 在 ROLLUP 操作所添加的汇总行中。汇总行显示的是所有 royalty 组的 advance 合计数值，并且在 grp 列中用 1 标识。   
  
下面是结果集：   
  
**royalty        total advance            grp   
\---------      ---------------------    ---   
NULL           NULL                     0    
10             57000.0000               0    
12             2275.0000                0    
14             4000.0000                0    
16             7000.0000                0    
24             25125.0000               0    
NULL           95400.0000               1  **

[http_www.cnblogs.com_rippleyong_archive_2004_11_18_65143.html]: http://www.cnblogs.com/rippleyong/archive/2004/11/18/65143.html